基于Matlab GUI空域滤波增强的设计.docx

基于Matlab GUI空域滤波增强的设计.docx

《基于Matlab GUI空域滤波增强的设计.docx》由会员分享，可在线阅读，更多相关《基于Matlab GUI空域滤波增强的设计.docx（33页珍藏版）》请在冰豆网上搜索。

基于MatlabGUI空域滤波增强的设计

摘要

在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。

根据噪声的频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。

经典去噪方法有：

空间域合成法、频域合成法和最优线性合成法等。

与之相适应的出现了许多应用方法：

如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等。

这些方法广泛地应用，促进数字信号处理的极大发展，并且能够显著提高图像质量。

本文的主要工作就是研究四种常用去噪方法：

邻域平均法、中值滤波法、维纳滤波法和模糊小波变换法的原理，并进行相应的仿真。

本文首先介绍了本课题的研究背景以及国内外的研究现状，之后简单介绍了Matlab软件的发展过程以及特点。

第二，介绍了滤波器的工作原理以及分类。

第三，在了解滤波器的基本工作原理的基础上，针对不同的数字滤波器所采用最合适的设计方法,根据基于matlab空域滤波当中的均值,中值,维纳等滤波器来设计所需要的内容为了改善图像质量.从图像中提取有效信息，必须对图像进行去噪预处理。

第四，设计MatlabGUI的空域滤波软件,利用MatlabGUI操作界面设计了一个空域增强滤波器，该滤波器具有三种滤波方法，分别为均值滤波、中值滤波以及维纳滤波。

最后根据不同的去噪算法（邻域平均法、中值滤波法、维纳滤波法），运用Matlab软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点，并设计了相应的空域增强软件。

通过MatlabGUI界面软件设计，可以方便地进行图像空域增强处理，即使对Matlab软件不熟练的人也可以较为方便和快速地进行操作。

只要点击操作界面，载入图像，即可进行相应的图像处理。

关键词:

中值滤波；均值滤波；维纳滤波；小波变换法；MatlabGUI

Abstract

Inmanycasesimage’sinformationcanbeaffectedbyvariousnoises,seriouslyaffecttheusefulinformationofaimage,sogettingridofnoiseofimageisveryimportant.

Accordingtothenoisespectrumdistributionandstatisticalcharacteristicsandimagecharacteristics,appearedavarietyofdenoisingmethod.Classicaldenoisingmethodsare:

spatialdomainsynthesis,frequencysynthesismethodandoptimallinearsynthesis.Toadapttotheemergenceofmanyapplicationmethods:

suchasthemeanfilter,medianfilter,low-passfilter,Wienerfilter,minimumdistortionmethod.Thesemethodsarewidelyused,andpromotethegreatdevelopmentofdigitalsignalprocessing,andcansignificantlyimprovethequalityofimages.Themainworkofthispaperistostudythefourkindsofdenoisingmethods:

neighborhoodaverage,medianfiltering,Wienerfilteringmethodandfuzzywavelettransformmethod,andthecorrespondingsimulation.

Thispaperfirstintroducestheresearchbackgroundofthistopicandthepresentresearchsituationathomeandabroad,thensimplyintroducedtheMatlabsoftwaredevelopmentprocessandcharacteristics.Second,introducestheworkingprincipleandclassificationoffilter.Inthird,understandingfilterbasedontheprinciple,accordingtodifferentdigitalfilterbyusingtheappropriatedesignmethod,basedonMATLABspatialfilteringofthemean,median,Wienerfiltertodesignthecontentneededinordertoimprovetheimagequality.Extractedfromimageinformationeffectively,musttheimagedenoisingpretreatment.Fourth,designMatlabGUIspatialfilteringsoftware,usingMatlabGUIinterfacedesignofaspatialenhancementfilter,thefilterhasathreefilteringmethods,respectivelymeanfiltering,medianfilteringandWienerfiltering.

Finally,accordingtothedifferentdenoisingalgorithm（neighborhoodaverage,medianfiltering,Wienerfilteringmethod）,usingthesoftwareofMatlabcode,toasheetcontainingnoiseimages（includingGaussnoiseandsaltandpeppernoisedenoising）simulation,andtheresultsanalyzed,comparedtheadvantagesanddisadvantagesofseveralmethods,anddesignscorrespondingairspaceenhancementsoftware.

ThroughtheMatlabGUIinterfacesoftwaredesign,canbeeasilycarriedoutinspatialdomainimageenhancementprocessing,evenforMatlabsoftwareunskilledpersoncanalsobemoreconvenientandrapidoperation.Justclickinterface,loadimages,correspondingtoimageprocessing.

分享到

翻译结果重试

抱歉，系统响应超时，请稍后再试

∙支持中英、中日在线互译

∙支持网页翻译，在输入框输入网页地址即可

∙提供一键清空、复制功能、支持双语对照查看，使您体验更加流畅

Keywords:

MedianFiltering;MeanFiltering;WienerFiltering;WaveletTransform;MatlabGUI

第一章绪论

课题研究背景

21世纪，人类已经进入了信息化时代，计算机在处理各种信息中发挥着重要作用。

据统计，人类从自然界获取的信息中，视觉信息占75%~85%。

俗话说“百闻不如一见”，有些场景或事物，不管花费多少笔墨都难以表达清楚，然而，若用一幅图像描述，可以做到一目了然。

可见，在当代高度信息化的社会中，图形和图像在信息传播中所起的作用越来越大，在图像处理领域，数字图像处理得到了飞速发展。

图像是信息社会人们获取信息的重要来源之一。

在通过图像传感器将现实世界中的有用图像信号进行采集、量化、编码、传输、恢复的过程中，存在大量影响图像质量的因素。

因此图像在进行使用之前，一般都要经过严格的预处理如去噪、量化、压缩编码等。

噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量。

所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。

图像处理技术在20世纪首先应用于图像的远距离传送，而改善图像质量的应用开始于1964年美国喷气动力实验室用计算机对“徘徊者七号”太空船发回的月球照片进行处理，并获得巨大成功。

现在图像处理技术已深入到科学研究、军事技术、工农业生产、医学、气象及天文学等领域。

科学家利用人造卫星可以获得地球资源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。

但在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对图像的噪声处理就显得十分重要。

图像去噪的研究现状

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。

常用的图像处理方法有图像增强、复原、编码、压缩等。

光学相干层析成像是近些年来发展较快的一种层析成像技术。

因为其对生物组织无辐射损伤、具有微米级的分辨率、高探测灵敏度和越来越快的扫描速率等优点，在医学诊断病变组织方面，尤其是对生物组织活体检测具有诱人的应用前景。

由于噪声干扰的存在，这些生理信号可能失真。

甚至面目全非，这给图像处理带来了难度。

因此，必须对含噪的图像进行处理，从而改善图像质量，最大程度地显现图像本来的特点。

在所处理的图像中，相邻像素的灰度之间大多具有很高的相关性，也就是说，一幅图像中大多数像素的灰度差别不大。

因为这种灰度相关性的存在，一般图像的能量主要集中在低频区域中，只有图像的细节部分的能量才处于高频区域中。

因为在图像的数字化和传输中常有噪声出现，而这部分干扰信息主要集中在高频区域内，所以消除噪声的一般方法是衰减高频分量或称低通滤波，但与之同时带来的负面影响是图像的细节也有一定的衰减，从视觉效果上来看图像比处理前模糊。

一个较好的去噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。

为了改善图像质量，从图像中提取有效信息，必须对图像进行去噪预处理。

根据噪声的频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。

经典去噪方法有：

空间域合成法、频域合成法和最优线性合成法等。

与之相适应的出现了许多应用方法：

如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等。

这些方法广泛应用，促进数字信号处理的极大发展，显著提高了图像处理的质量。

近年来，小波变换去除噪声的方法得到广泛的应。

与传统的去噪方法相比，它利用非线性域值，在时间域和频率域同时具有良好的局部化性质，而且时窗和频窗的宽度可以调节。

对高频成分采用逐渐精细的时域或空域取样步长，从而可以聚焦到对象的任意细节。

因此可以提高散斑高散射特性的噪声对比度，很好的消除散斑噪。

小波变换去除噪声的方法在不断地发展，去噪方法很多，如非线性小波变换阈值法去噪、小波变换模极大值去噪及基于小波变换域的尺度相关性去噪法等。

本文主要工作

图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时，除去信号中的噪声。

目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。

边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法进行了研究分析和讨论。

第1章绪论：

主要介绍本课题的研究背景以及国内外的研究现状。

第2章Matlab简介：

介绍软件Matlab的概况、发展历程、语言特点、图像处理应用时的常用函数及其用法。

第3章图像去噪算法：

简要说明了图像噪声的概念及分类，详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。

第4章基于MatlabGUI的空域增强设计：

根据邻域平均法、中值滤波法、维纳滤波法的原理，运用Matlab仿真软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点。

最后设计了一个MatlabGUI空域增强软件，方便他人的操作。

第二章Matlab简介

Matlab概况

Matlab（MatrixLaboratory）为美国Mathworks公司1983年首次推出的一套高性能的数值分析和计算软件，其功能不断扩充，版本不断升级，目前的最新版本为7.1版。

Matlab将矩阵运算、数值分析、图形处理、编程技术结合在一起，为用户提供了一个强有力的科学及工程问题的分析计算和程序设计工具，它还提供了专业水平的符号计算、文字处理、可视化建模仿真和实时控制等功能，是具有全部语言功能和特征的新一代软件开发平台。

Matlab已发展成为适合众多学科，多种工作平台、功能强大的大型软件。

在欧美等国家的高校，Matlab已成为线性代数、自动控制理论、数理统计、数字信号处理、时间序列分析、动态系统仿真等高级课程的基本教学工具。

成为攻读学位的本科、硕士、博士生必须掌握的基本技能。

在设计研究单位和工业开发部门，Matlab被广泛的应用于研究和解决各种具体问题。

在中国，Matlab也已日益受到重视，短时间内就将盛行起来，因为无论哪个学科或工程领域都可以从Matlab中找到合适的功能。

当今的信息化社会，图像是人类赖以获取信息的最重要的来源之一。

随着计算机技术的迅猛发展，图像技术与计算机技术不断融合，产生了一系列图像处理软件，如VC、Matlab，这些软件的广泛应用为图像技术的发展提供了强大的支持。

Matlab已成为国际公认的最优秀的科技应用软件之一，具有编程简单、数据可视化功能强、可操作性强等特点，而且配有功能强大、专业函数丰富的图像处理工具箱，是进行图像处理方面工作必备的软件工具。

Matlab发展过程

Matlab名字由MATrix和LABoratory两词的前三个字母组合而成。

那是20世纪七十年代后期的事：

时任美国新墨西哥大学计算机科学系主任的CleveMoler教授出于减轻学生编程负担的动机，为学生设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口，此即用FORTRAN编写的萌芽状态的Matlab。

经几年的校际流传，在Little的推动下，由Little、Moler、SteveBangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市场。

从这时起，Matlab的内核采用C语言编写，而且除原有的数值计算能力外，还新增了数据图视功能。

Matlab仅短短几年，就以其良好的开放性和运行的可靠性，使原先控制领域里的封闭式软件包。

在时间进入20世纪九十年代的时候，Matlab已经成为国际控制界公认的标准计算软件。

MathWorks公司于1993年推出Matlab4.0版本，从此告别DOS版。

4.X版在继承和发展其原有的数值计算和图形可视能力的同时，出现了以下几个重要变化：

（1）推出了SIMULINK。

这是一个交互式操作的动态系统建模、仿真、分析集成环境。

它的出现使人们有可能考虑许多以前不得不做简化假设的非线性因素、随机因素，从而大大提高了人们对非线性、随机动态系统的认知能力。

（2）开发了与外部进行直接数据交换的组件，打通了Matlab进行实时数据分析、处理和硬件开发的道路。

（3）推出了符号计算工具包。

1993年MathWorks公司从加拿大滑铁卢大学购得Maple的使用权，以Maple为“引擎”开发了SymbolicMathToolbox1.0。

（4）构作了Notebook。

MathWorks公司瞄准应用范围最广的Word，运用DDE和OLE，实现了MATLAB与Word的无缝连接，从而为专业科技工作者创造了融科学计算、图形可视、文字处理于一体的高水准环境。

1997年仲春，Matlab5.0版问世，现今的Matlab拥有更丰富的数据类型和结构、更友善的面向对象、更加快速精良的图形可视、更广博的数学和数据分析资源、更多的应用开发工具。

诚然，到1999年底，Mathematica也已经升到4.0版，它特别加强了以前欠缺的大规模数据处理能力。

在国际学术界，Matlab已经被确认为准确、可靠的科学计算标准软件。

在许多国际一流学术刊物上，（尤其是信息科学刊物），都可以看到Matlab的应用。

在设计研究单位和工业部门，Matlab被认作进行高效研究、开发的首选软件工具。

Matlab的语言特点

Matlab语言有如下特点：

（1）编程效率高

（2）用户使用方便

（3）扩充能力强

（4）语句简单，内涵丰富

（5）高效方便的矩阵和数组运算

（6）方便的绘图功能

由于Matlab的上述特点，该软件已经广泛地应用于各行各业，例如数值分析、图像处理、模拟仿真等等。

Matlab图像处理常用函数

Matlab7.0为用户在进行图像处理中提供了一些常用的函数：

（1）文件的读入与显示

函数imread作用是读入文件，其调用格式如下：

[X,map]=imread（filename,fmt），其中，filename为需要读入图像的文件名。

fmt为图像格式。

函数imshow作用是显示文件，其语法格式如下：

imshow（BW）

imshow（X,map）

（2）计算二维卷积

函数conv2格式：

C=conv2（A,B）作用是算矩阵A和B的卷积。

（3）噪声及其噪声的Matlab实现

函数imnoise格式：

J=imnoise（I,type）

J=imnoise（I,type,parameter）返回对图像I添加典型噪声后的有噪图像J，参数type和parameter用于确定噪声的类型和相应的参数。

（4）二维离散小波变换

函数dwt2格式：

[cA,cH,cV,cD]=dwt2（X,'wname'）是使用指定的小波基函数“wname”对二维信号X进行二维离散小波变换，cA，cH，cV，cD分别为近似分量、水平细节分量、垂直细节分量和对角细节分量。

[cA,cH,cV,cD]=dwt2（X,Lo_D,Hi_D）是使用指定的分解低通和高通滤波器Lo_D和Hi_D分解信号X。

（5）二维信号的多层小波分解

函数wavedec2格式：

[C,S]=wavedec2（X,N,'wname'）使用小波基函数“wname”对二维信号X进行N层分解。

[C,S]=wavedec2（X,N,Lo_D,Hi_D）使用指定的分解低通和高通滤波器Lo_D和Hi_D分解信号X。

（6）二维离散小波反变换

函数idwt2格式：

X=idwt2（cA,cH,cV,cD,'wname'）由信号小波分解的近似信号cA和细节信号cH、cH、cV、cD经小波反变换重构原信号X。

X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R）使用指定的重构低通和高通滤波器Lo_R和Hi_R重构原信号X。

X=idwt2（cA,cH,cV,cD,'wname',S）返回中心附近的S个数据点。

（7）二维信号的多层小波重构

函数waverec2格式：

X=waverec2（C,S,'wname'）由多层二维小波分解的结果C、S重构原始信号X。

X=waverec2（C,S,Lo_R,Hi_R）使用重构低通和高通滤波器Lo_R和Hi_R重构原信号。

第三章图像去噪算法

图像噪声概述

图像噪声的概念

噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。

例如一幅黑白图片，其平面亮度分布假定为

，那么对其接收起干扰作用的亮度分布

即可称为图像噪声。

但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。

因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。

但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。

而实际应用往往也不必要。

通常是用其数字特征，即均值方差，相关函数等。

因为这些数字特征都可以从某些方面反映出噪声的特征。

目前大多数数字图像系统中，输入图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工变换。

最后往往还要在组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。

在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。

另一方面图像只是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定的。

不同的图像噪声，人的感觉程度是不同的，这就是所谓人的噪声视觉特性课题。

图像噪声在数字图像处理技术中的重要性越来越明显，如高放大倍数航片的判读，X射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。

图像噪声的分类

图像噪声按其产生的原因可以分为：

外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。

如电气设备，天体放电现象等引起的噪声。

内部噪声：

一般又可分为以下四种：

（1）由光和电的基本性质所引起的噪声。

如电流的产生是由电子或空穴粒子的集合，定向运动所形成。

因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。

（2）电器的机械运动产生的噪声。

如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。

（3）器材材料本身引起的噪声。

如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。

随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。

（4）系统内部设备电路所引起的噪声。

如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。

图像噪声从统计理论观点可以分为平稳和非平稳噪声两种。

在实际应用中，不去追究严格的数学定义，这两种噪声可以理解为：

其统计特性不随时间变化的噪声称其为平稳噪声。

其统计特性随时间变化而变化的称其为非平稳噪声。

邻域平均法图像去噪

模板操作和卷积运算

模板操作是数字图像处理中常用的一种运算方式，图像的平滑、锐化、细化、边缘检测等都要用到模板操作。

例如，有一种常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。

可用如下方法来表示该操作：

（3-1）

上式有点类似矩阵，通常称之为模板（Template），带星号的数据表示该元素为中心元素，即这个元素是将要处理的元素。

如果模板为：

（3-2）

该操作的含义是：

将原图中的一个像素的灰度值和它右下相邻的8个像素值相加，然后将求得的平均值作为新图像中该像素的灰